Um modelo de aprendizado de máquina para suporte a decisão na seleção de pacientes para terapia de ressincronização cardíaca

• Ano de defesa: 2025
• Autor(a) principal: Fernandes, Fernando de Amorim
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: CRT; Aprendizado de máquina; Insuficiência cardíaca; Imagem de Perfusão Miocárdica; Perfusão; Terapia de ressincronização cardíaca; Produção intelectual; Machine learning; Heart failure; Myocardial perfusion imaging
• Link de acesso: https://app.uff.br/riuff/handle/1/35944

Na população brasileira, foi reportado que a prevalência de IC subiu de 0,67 milhão em 1990 para 1,7 milhões de pessoas em 2017 e consideraram o envelhecimento da população como fator mais relevante. A síndrome de insuficiência cardíaca é uma desordem multissistêmica que afeta o coração, a vasculatura, os músculos esqueléticos, os rins, o controle respiratório e o arranjo neuro-hormonal. A doença é caracterizada pela incapacidade do coração de fornecer oxigênio ao corpo. A terapia de ressincronização cardíaca (CRT), ajuda a restaurar a sincronia atrioventricular e inter e intraventricular, melhorando a função do VE. Porém, mesmo com critérios sólidos de seleção, uma porcentagem significativa de pacientes (20% a 30%) não se beneficiou da CRT. Objetivo: Desenvolver e validar um modelo de previsão usando algoritmos de aprendizado de máquina (AM) para seleção de pacientes com CRT. Método: Realizadas análises post hoc do ensaio clínico VISION CRT que envolveu pacientes de 10 centros em 8 países. Foi realizada avaliação clínica e imagem de cintilografia de perfusão miocárdica (MPI) antes (baseline) e 6 meses depois (follow-up) da CRT em um total de 179 pacientes. Foi desenvolvido método de AM a partir de 11 variáveis clínicas, 1 variável de ECG e 20 variáveis (6 de função do VE, 10 de dissincronia mecânica e 4 de análise da forma do VE) de imagem de perfusão miocárdica (MPI). Técnicas de seleção de variáveis agregadas foram aplicadas. Resultados: Em nossa análise das imagens de MPI, não houve diferença estatística entre os diferentes centros e o laboratório central (core) ao comparar os parâmetros quantitativos para a função do ventrículo esquerdo. Da mesma forma, em relação à dissincronia por análise de fase, a variação do PSD não apresentou diferenças entre os centros quando aqueles abaixo dos critérios de dissincronia de 43° foram excluídos. Os resultados demonstraram ainda que todos os parâmetros apresentaram forte correlação e baixa variabilidade entre cada centro e o core independente da sua magnitude. Em relação aos modelos desenvolvidos, a acurácia, a sensibilidade e a especificidade foram, respectivamente: 0,80, 0,86 e 0,75 para o modelo PAM; 0,47, 0,75 e 0,24 para a seleção pela diretriz. Conclusão: Os modelos desenvolvidos apresentaram superioridade em relação aos critérios de seleção recomendados pela diretriz na previsão de resposta e super-resposta à CRT.